非对称信息在链接预测中的应用

针对基于节点相似性的链接关系预测中因未考虑非对称信息导致预测准确度降低的问题,提出一种新的增加非对称信息的节点相似性度量方法。首先,分析了基于共同邻居（CN）的相似性度量算法的缺陷在于仅考虑CN的数量而未考虑各自节点的所有邻居的数量;然后,将节点之间的相似性度量定义为共同节点与所有邻居节点的比值,融合节点间对称相似信息和非对称相似信息,对节点间的相似程度进行深入细致的刻画;最后,将该方法应用到复杂网络中进行链接关系的预测。在真实数据集上的实验结果表明,与目前多种基于共邻的相似性度量方法——CN、AA、资源分配（RA）相比,所提方法提升了节点相似性度量的准确性,并且可以提高复杂网络中链接关系预测的准确度。     

基于引力模型及相对路径数的节点重要度评估算法

准确度量复杂网络中节点的重要度对于研究网络结构和功能等方面具有重要的指导意义。现有多数节点重要度评估算法考虑了节点及其邻居节点的相关信息,却忽略了节点间的拓扑结构对节点重要度的影响。针对此问题,提出了基于引力模型及相对路径数的节点重要度评估算法。该算法首先分析了相对最短路径数对节点间信息传播的影响效果,同时考虑到非最短路径及路径距离等因素的影响,然后以三阶范围内邻居节点与中心节点的相互作用力之和定义节点重要度值,最后在六个真实网络中进行仿真实验。实验结果表明,所提算法不仅能有效区分网络中不同节点之间的重要度差异,还能准确度量网络节点的重要度大小。     

基于共同邻居邻域拓扑稠密性加权的链路预测方法

链路预测旨在利用已知的网络节点和拓扑结构信息,预测网络中未连接的两个节点之间存在连边的可能性。基于网络拓扑相似性的链路预测方法计算复杂度低且预测效果好,但现有的相似性指标对共同邻居的邻域拓扑信息考虑较少。针对此问题,提出一种基于共同邻居邻域拓扑稠密性加权的链路预测方法。首先,基于邻域拓扑相对稠密指数量化节点的邻域拓扑结构;然后,利用共同邻居的节点度和邻域拓扑相对稠密指数刻画共同邻居及其邻域拓扑的相似性贡献;最后,提出基于共同邻居邻域拓扑稠密性加权的节点相似性指标。在多个实际网络数据上的实验结果表明,与现有相似性指标相比,该方法能够取得更高的预测精度。     

多阶邻接分布熵下的复杂网络节点相似性分析方法

为弥补宏观网络结构熵描述整体结构信息却忽略局部,而微观熵描述节点信息又较浅层单一的不足,提出一种节点多阶邻接分布熵,以度量节点多阶邻居的分布特征信息,便于在自定义阶数尺度上分析复杂网络结构.该熵随多阶邻居阶数的增长而增大,并在节点的离心率处收敛.在给定的尺度下,节点各阶邻居分布越均匀则多阶邻接熵越大.基于多阶邻接分布相对熵,比较节点间多阶邻居分布的差异,从而以一种新的视角分析节点相似性,并与其他有代表性的节点相似性方法进行了实验对比,在互相似比和传播能力指标上,取得了更好的结果.     

基于邻域K-shell分布的关键节点识别方法

复杂网络中关键节点的精准识别对于网络结构稳定和信息传播起着至关重要的作用。传统K-shell方法仅通过节点在网络中所处位置对节点的重要性进行评估,导致区分度不高。基于此,综合考虑了节点的全局信息和局部信息对节点重要性的影响,提出一种基于邻域K-shell分布的关键节点识别方法。该方法通过节点邻域Ks值定义节点的熵,从而反映邻居节点的K-shell分布特征。通过11个网络数据集上的仿真实验,验证了所提方法能够更准确地识别并区分复杂网络中的关键节点。     

一种RDF图的语义相似性度量方法

在资源描述框架(RDF)图的语义相似性度量过程中,结构相似性和语义相似性计算不精确。针对该问题,提出结构语义(SAS)方法。结合改进的基于网络距离模型的语义距离公式、基于信息量模型的权重度量机制,计算概念节点的语义相似度,完善RDF图语义相似度算法,分析结构、深度和密度对RDF图语义相似性度量的影响。设计并实现原型系统,实验结果表明,该方法可有效保证RDF图的语义相似度与实际相符。     

利用节点传播熵识别超网络重要节点

超网络中识别重要节点是一项基础且具有挑战性的重要课题，相关研究对进一步分析网络拓扑结构和功能特性具有广泛的应用价值。为了突破已有的重要节点识别方法评估的局限性，利用超图及信息熵理论，提出一种基于节点传播熵的超网络重要节点识别方法。该方法兼顾节点的局部和全局拓扑信息，利用节点聚集系数和邻居数目表征节点信息的局部传播影响，通过节点间最短路径和K壳中心性反映节点信息的全局传播影响，充分考虑节点自身及其邻域节点的影响，最终利用节点传播熵来表征节点在网络中的重要性。并通过单调性、鲁棒性以及SIR传播模型评价标准，在六个来自不同领域的真实网络上与其他方法进行比较，实验结果表明，该方法能够准确有效地识别网络中的重要节点。     

基于加权方法的节点重要性度量

网络中节点重要性度量对于信息的扩散、产品的曝光、传染性疾病的检测等都具有重大的理论意义。为了度量节点的重要性,基于网络拓扑结构考虑全局信息和局部信息提出了加权的节点重要性度量方法。具体的,对于一个无权网络,先考虑网络全局信息,算出每个节点的特征中心向量值,将边两端节点值的和作为边的权重,从而构成一个加权网络。然后根据加权网络的局部信息,求出加权网络的度。基于SIR模型的四个实证网络,实验结果表明加权方法比特征向量中心性、度中心性、紧密度中心性和介数中心性方法的效果更显著。     

复杂网络中基于节点相似性聚类的网络社团发现方法研究

针对复杂网络社团发现的问题,使用聚类方法对其进行详细的研究,将网络节点的数据结构转化成聚类算法的数据结构,根据节点之间的相似度对节点进行合并或分割,并且使用向量计算的方法对复杂网络的节点相似度进行度量。改进的算法把网络中的每个节点都作为一个信息源,具有收发信息的功能,按照改进的信息传递方法进行相似度值的传递和遍历,使用复杂网络中常用的Zachary俱乐部网络作为实验对象验证。本方法提高了复杂网络社团发现的算法效率。     

基于边界域的邻域知识距离度量模型

粗糙集的不确定性度量在知识获取中扮演着非常重要的角色。在邻域粗糙集理论中,当前不确定性度量方面的研究工作主要专注于度量单个知识空间的不确定性及其随粒度变化的单调性规律,其仍存在以下缺点:1)邻域粗糙集不确定性来自于邻域粒中属于目标概念的元素和不属于目标概念的元素,当前的方法没有同时考虑每个邻域信息粒的这两部分;2)不能反映不同知识空间对目标概念刻画能力的差异性;3)由于当前的知识距离包含了粒度划分的信息,已有方法在一些应用场合下不够准确,例如属性约简中的知识启发式搜索及其粒度选择。对此,文中首先构建了一种更加直观准确的邻域粗糙集的不确定性度量方法——邻域熵,并证明了不确定性度量随着粒度的细化具有单调性;为了反映不同邻域信息粒对目标概念刻画能力的差异性,提出了一种带近似描述能力的邻域粒距离,称为相对邻域粒距离,并介绍了它的相关性质;针对分层递阶的多粒度知识空间中的粒度选择问题,建立了基于边界域的邻域知识距离度量模型,该知识距离可以反映不同邻域知识空间对目标概念的刻画能力的差异性。     

结合相对熵和多跳转发路由的改进WSN节能策略

目前,基于低功耗自适应集簇分层型协议(LEACH)的改进协议大多是从簇头选举、簇的分布、路径选择等方面入手,数据之间的冗余性考虑不够。提出了一种结合相对信息熵的改进LEACH协议(LEACH-CIE),结合相对熵模型,计算节点相邻两个周期数据概率分布的相对熵值,再与阈值进行比较,以此判断数据的冗余度,通过拒绝冗余数据的传输,达到降低网络能耗的目的。在数据发送阶段,考虑通信距离、能耗比等因素,提出一种兼顾自身剩余能量的多跳转发路由(MFRCRE),优化节点转发条件,均衡网络各节点的能量消耗速率。实验结果表明,该方法可以有效地降低并均衡网络节点的能耗以延长网络生存周期。     

基于距离和节点能量的源位置隐私保护方案

针对无线传感器网络源节点位置隐私保护中源节点安全时间较短这一问题,提出了一种基于距离和节点能量的无线传感器网络源节点位置隐私保护方案(SLPDNE:source-location privacy protection scheme based on distance and node energy)。该方案通过在网络中源节点可视区外随机选择幻影节点的方式,避免了失效路径产生且使得幻影节点分布具有地理位置的多样性。随后在源节点至幻影节点路由路径中,以节点能量和距离信息作为计算依据,选择能量充足且与幻影节点距离较近的节点作为下一跳路由节点,在源节点和幻影节点之间形成分散路由,避免了能量较少节点被选择的情况,增加了路由路径的多样性和动态性。理论分析和实验结果表明,该方案能够在不明显增加网络能耗的情况下,有效地延长源节点安全时间,增强网络中源节点的位置隐私保护能力。     

基于节点交互度的社会网络链路预测

链路预测是通过已知的网络拓扑和节点属性挖掘未来时刻节点潜在关系的重要手段, 是预测缺失链路和识别虚假链路的有效方法, 在研究社会网络结构演化中具有现实意义. 传统的链路预测方法基于节点信息或路径信息相似性进行预测, 然而, 前者考虑指标单一导致预测精度受限, 后者由于计算复杂度过高不适合在规模较大网络中应用. 通过对网络拓扑结构的分析, 本文提出一种基于节点交互度(interacting degree of nodes, IDN)的社会网络链路预测方法. 该方法首先根据网络中节点间的路径特征, 引入了节点效率的概念, 从而提高对于没有公共邻居节点之间链路预测的准确性; 为了进一步挖掘节点间共同邻居的相关属性, 借助分析节点间共同邻居的拓扑结构, 该方法还创新性地整合了路径特征和局部信息, 提出了社会网络节点交互度的定义, 准确刻画出节点间的相似度, 从而增强网络链路的预测能力; 最后, 本文借助6个真实网络数据集对IDN方法进行验证, 实验结果表明, 相比于目前的主流算法, 本文提出的方法在AUC和Precision两个评价指标上均表现出更优的预测性能, 预测结果平均分别提升22%和54%. 因此节点交互度的提出在链路预测方面具有很高的可行性和有效性.     

基于方向决策的移动锚节点动态路径规划方法

在基于移动锚节点的无线传感器网络定位过程中,移动锚节点的路径规划问题对定位性能有着重要的影响,但现有的路径规划方法没有充分考虑到网络内未知节点的密度以及分布情况,定位效率低且成本大,因此提出了一种基于方向决策的移动锚节点动态路径规划方法CWDP(Dynamic Path Planning Based on Orientation Decision-Classed Weighted).首先网络内的未知节点根据连通度阈值对自身进行分级处理,当移动锚节点进入网络区域后,根据通信范围内未知节点的反馈信息,再利用分级权重系数实时决策下一目标的移动方向.仿真结果表明,该方法有效地提高了网络内未知节点的定位覆盖率和降低了定位误差,并节约了定位成本.     

无线网络定位技术研究

无线网络技术的发展和覆盖率的增加,使得人们在随时随地使用无线网络资源时,对基于位置的信息需求越来越多,这推动了无线定位技术的研究进展。文中通过分析对数一常态分布模型,提出用高斯滤波法优选节点的RSSI值,并通过实地采集数据,得到了在特定环境下的路径损耗指数值,以减小由于RSSI值的影响产生的误差。结合加权质心法进行节点定位,加权因子由RSSI测距法得的距离决定。加权质心算法具有较高的精度,整个定位过程中节点问无需额外的通信开销,具有广泛的实用性。     

基于压缩感知的异构网络数据动态重构算法

针对异构网络数据资源存在节点及链路均衡度过低且数据重构资源分配路径误差较大的问题,设计一种基于节点拓扑感知的异构网络数据动态重构算法。利用模糊核聚类算法将数据样本集映射至高维空间内,聚类目标数据,根据节点在网络中对应的坐标构建异构网络拓扑模型及数据权矩阵模型;设置路由器物理链路通信图,根据链路带宽约束优化数据重构资源的分配路径,将节点核心区数据重构,并分配至聚类节点来感知数据的动态变化,为每一个核心聚类节点拓扑感知一个路由器数据的动态变化,来实现全局的数据动态重构,至此完成基于节点拓扑感知的异构网络数据动态重构算法的设计。设计仿真实验,测试算法的节点均衡度与链路均衡度。实验结果表明,设计的算法的节点均衡度为0.93,链路均衡度为0.90,均高于对比方法,因此可以得出,该算法的资源均衡度更好。     

基于相似度传播的复杂网络间节点匹配算法

提出了一种基于相似度传播的复杂网络间节点匹配方法.引入节点相似度传播过程,使得初始的相似度信息能够按网络拓扑结构传播到全局,从而能够充分利用有限数目已匹配节点对所提供的相似度信息.该传播过程的稳态分布与一个大矩阵的主特征向量等价,可采用幂方法的迭代形式来高效求解,最后利用图论中的KM(Kuhn-Munkres)算法来抽取最终的匹配节点对.以四种不同结构的网络节点匹配实验为例,对本文算法进行了测试和验证.实验统计结果表明,本文方法显著提高了节点匹配的精度.     

医院无线网络信息节点安全性度量方法研究

为了提高医院无线网络信息节点安全性,确保医院无线网络通信的畅通,提出一种基于传感器量化融合跟踪检测的医院无线网络信息节点安全性度量方法。构建医院无线网络信息节点的自适应转发控制模型,采用节点剩余能量融合识别方法进行节点的自适应调度,在物联网环境下实现医院无线网络信息节点的优化定位部署,构建节点的路由探测协议,利用医院无线网络信息节点自身的存活度进行无线传感网络模式下的节点转发链路均衡处理,采用传感器量化融合跟踪测试方法实现医院无线网络信息节点的安全性度量。仿真测试结果表明,采用该方法进行医院无线网络信息节点安全性度量的准确性较高,节点的能量开销较小,提高了节点数据转发的准确率。